一个改变认知的数字
最近看到 Box CEO Aaron Levie 的一段话，让我对 AI Agent 有了新的认知。
他说：“企业将拥有比员工多 100 到 1000 倍的 AI Agent。”
这个数字一开始觉得夸张，但仔细想想，逻辑是对的。
假设一家企业有 1000 名员工：
- 保守场景：100,000 个 AI Agent
- 激进场景：1,000,000 个 AI Agent
这意味着每个员工配备 100-1000 个 Agent。Agent 之间的交互可能超过人与人交互。
为什么会有这么多 Agent？
因为 AI Agent 让”稀缺能力”变成了”丰富能力”。
以前一个资深工程师的代码审查能力是稀缺的。培养需要 10 年经验，成本高昂，无法规模化复制。一个公司可能只有几个这样的人。
资深律师的合同审查能力，战略顾问的商业洞察能力，都是同样的情况。稀缺，所以昂贵。
现在 AI Agent 可以把这些能力数字化，无限复制，边际成本趋近于零。7×24 小时可用，一致性强，无疲劳。
Levie 把这个变化类比于历史上的几次转变：电力从稀缺到丰富，计算能力从稀缺到丰富，现在轮到”认知能力”从稀缺到丰富。
这是一个经济学范式的转变，不仅是技术进步。
这意味着什么？
每个员工可能配备 100 个 Agent。
一个工程师可以有 10 个 Agent 帮他写代码，10 个帮他审查，10 个帮他测试，10 个帮他写文档。
每个律师可以有 Agent 帮他审查合同，每个分析师可以有 Agent 帮他处理数据。
Agent 数量超过人类，不是替代，而是增强。
增强，不是替代
Levie 说得很清楚：AI Agent 主要用来提升生产力，让员工工作更快，而不是取代工作。
具体来说：
- 工程师：Agent 修复 Bug，工程师专注架构设计
- 律师：Agent 审查合同条款，律师专注策略
- 分析师：Agent 清洗数据，分析师专注洞察
人类从执行者变成监督者，从重复劳动变成创造性工作。这比”AI 取代人类”的叙事更真实。
两个重要变化
第一，商业模式要变
传统软件按”用户数”收费（Per-Seat），比如每人每月多少钱。这是企业软件的标准模式。
但如果 Agent 是人类的 100 倍，这个模式就没意义了。企业怎么可能为 100 万个”用户”付费？
未来会是“按消耗收费”（Consumption-based），用多少 Token，付多少钱。
企业需要：
- 建立新的成本追踪工具
- 新的预算编制方式
- AI 成本可能成为独立预算类别
第二，架构要变
AI 本质是不确定的，可能输出不同结果。但企业核心系统需要确定性，财务、合规、安全不能出错。
所以 Levie 提出一个分层架构：
- AI Agent 层：在上面做智能决策、任务自动化
- 确定性 SaaS 层：在下面做核心业务、数据治理、安全合规
分层可以隔离风险，同时享受 AI 红利。不是颠覆，是演进。
上下文是关键
Levie 强调，Agent 要有效工作，需要企业的业务上下文。
这些上下文包括：产品路线图、营销策略文档、客户合同和沟通记录、财务数据和报告。
企业的非结构化数据是 Agent 的”燃料”。上下文质量决定 Agent 输出质量。
现状如何？
Levie 观察，代码编写是目前 AI Agent 最成熟的应用。GitHub Copilot、Cursor 已经普及。
其他领域正在快速跟进：合同审查、客户体验、数据洞察。企业正在从试点阶段走向生产阶段。
Levie 的观点为什么值得听？
他是 Box CEO，服务大量财富 500 强客户。他不是在讲理论，是在讲他看到的真实趋势。
他的判断有几个特点：
- 量化：100-1000 倍，不是模糊描述
- 务实：强调分层架构，不是完全替代
- 具体：提到具体场景（代码、合同、客服）
- 企业视角：从企业软件角度思考
核心观点总结
- 数量级：AI Agent 将是人类的 100-1000 倍
- 定位：增强人类，而非替代
- 架构：AI 智能层 + 确定性 SaaS 层
- 商业：从 Per-Seat 转向 Consumption
- 关键：上下文决定 Agent 有效性
这对于理解 AI Agent 的未来，提供了一个很务实的视角。不是科幻，是正在发生的现实。
